Einfluss des automatischen Polypenerkennungssystems auf die Adenomerkennungsrate
Auswirkungen des automatischen Polypenerkennungssystems auf die Erkennungsrate von Adenomen – eine multizentrische, prospektive, randomisierte kontrollierte Studie
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Voraussichtlich)
Einschreibung
Phase
Phase
- Unzutreffend
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Zhaoshen Li, M.D
- Telefonnummer: 86-21-31161365
- E-Mail: li.zhaoshen@hotmail.com
Studieren Sie die Kontaktsicherung
- Name: Yu Bai, M.D
- Telefonnummer: 86-21-31161335
- E-Mail: baiyu1998@hotmail.com
Studienorte
-
-
-
Shanghai, China, 200433
- Rekrutierung
- Changhai Hospital, Second Military Medical University
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Beschreibung
Einschlusskriterien:
- Patienten im Alter zwischen 40 und 85 Jahren mit Indikationen für Screening, Überwachung und Diagnostik.
- Patienten, die eine Einwilligungserklärung unterschrieben haben.
Ausschlusskriterien:
- Patienten, die sich einer Kolonresektion unterzogen haben
- Patienten mit intrakraniellen und/oder Erkrankungen des zentralen Nervensystems, einschließlich Hirninfarkt und Hirnblutung.
- Patienten mit schwerer chronischer Herz-Lungen- und Nierenerkrankung.
- Patienten, die nicht einwilligen wollen oder können.
- Patienten, die für eine Koloskopie nicht geeignet sind
- Patienten, die eine dringende oder therapeutische Koloskopie erhalten haben
- Patienten mit Schwangerschaft, entzündlichen Darmerkrankungen, Polyposis des Dickdarms, Darmkrebs oder Darmverschluss
- Patienten, die Aspirin, Clopidogrel oder andere Antikoagulanzien einnehmen
- Patienten mit Absetzzeit < 6 min
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: DIAGNOSE
- Zuteilung: ZUFÄLLIG
- Interventionsmodell: PARALLEL
- Maskierung: KEINER
Anzahl der Arme
Waffen und Interventionen
Teilnehmergruppe / ArmTeilnehmergruppe / Arm |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
EXPERIMENTAL: KI-unterstützte Entzugsgruppe
Zur Unterstützung des Endoskopikers wurde ein auf Deep Learning basierendes automatisches Polypenerkennungssystem verwendet.
|
Wenn Koloskopiker die Koloskopien zurückziehen und den Dickdarm inspizieren, wurde das Videostreaming der Koloskopien in Echtzeit auf das automatische Polypenerkennungssystem umgeschaltet, wodurch Läsionen in Echtzeit erkannt werden konnten.
Wenn das System einen potenziellen Polypen erkennt, wird auf einem angrenzenden Monitor ein Verfolgungsfeld angezeigt, um die Läsion mit einem gleichzeitigen akustischen Alarm zu lokalisieren.
|
|
KEIN_EINGRIFF: Routine-Entzugsgruppe
Routinemäßiger Entzug ohne Hilfe.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Adenom-Erkennungsrate (ADR)
Zeitfenster: 30 Minuten
|
die Anzahl der Patienten mit mindestens einem Adenom dividiert durch die Gesamtzahl der Patienten.
|
30 Minuten
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Polypenerkennungsrate (PDR)
Zeitfenster: 30 Minuten
|
die Anzahl der Patienten mit mindestens einem Polypen dividiert durch die Gesamtzahl der Patienten.
|
30 Minuten
|
|
Adenom pro Koloskopie
Zeitfenster: 30 Minuten
|
die Anzahl der bei der Koloskopie entdeckten Adenome geteilt durch die Anzahl der Koloskopien.
|
30 Minuten
|
|
Polyp pro Koloskopie
Zeitfenster: 30 Minuten
|
die Anzahl der bei der Koloskopie entdeckten Polypen dividiert durch die Anzahl der Koloskopien.
|
30 Minuten
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Urban G, Tripathi P, Alkayali T, Mittal M, Jalali F, Karnes W, Baldi P. Deep Learning Localizes and Identifies Polyps in Real Time With 96% Accuracy in Screening Colonoscopy. Gastroenterology. 2018 Oct;155(4):1069-1078.e8. doi: 10.1053/j.gastro.2018.06.037. Epub 2018 Jun 18.
- Ahmad OF, Soares AS, Mazomenos E, Brandao P, Vega R, Seward E, Stoyanov D, Chand M, Lovat LB. Artificial intelligence and computer-aided diagnosis in colonoscopy: current evidence and future directions. Lancet Gastroenterol Hepatol. 2019 Jan;4(1):71-80. doi: 10.1016/S2468-1253(18)30282-6. Epub 2018 Dec 6.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (TATSÄCHLICH)
Studienbeginn
Primärer Abschluss (ERWARTET)
Primärer Abschluss
Studienabschluss (ERWARTET)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (TATSÄCHLICH)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (TATSÄCHLICH)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- AI-2
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .